Denna text är resultatet av min sammanställning av källor tillsammans med samtal med AIna ChatGPT och Claude över en tid. Syftet med texten är att få en överblick över hur forskningsläget ser ut för AI i grundskola och gymnasiet för samhällsämnena.
Introduktion
Artificiell intelligens (AI) gör nu snabbt intåg i skolans värld, från grundskolan till gymnasiet. Särskilt efter framväxten av generativa AI-modeller som ChatGPT har intresset för AI i utbildning exploderat (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Tekniken väcker både entusiasm – för dess potential att anpassa undervisning och avlasta lärare – och oro för negativa effekter. En färsk undersökning visar att majoriteten av lärarna är osäkra eller tveksamma till AI:s inverkan: endast 6 % anser att AI gör mer nytta än skada, medan 25 % menar att den gör mer skada; övriga ser en blandning av för- och nackdelar eller vet inte (1 in 4 teachers say AI tools like ChatGPT hurt K-12 education more than help | Pew Research Center). Mot denna bakgrund behövs en kritisk översyn av var forskningen står idag och vilka kunskapsluckor som måste fyllas. Nedan följer en analys av de mest akuta forskningsbehoven kring AI och skolelever, med särskilt fokus på samhällsvetenskapliga ämnen och frågor som rör lärande, bedömning, etik, ojämlikhet samt användning av AI-verktyg i klassrummet.
AI i skolan: nuläge och trender
Trots det stora intresset är AI än så länge relativt ovanligt i klassrummen. Hösten 2023 uppgav bara ca 18 % av lärare i USA att de använde någon form av AI i sin undervisning (AI is coming to U.S. classrooms, but who will benefit? – Center on Reinventing Public Education). Samtidigt väntas användningen öka dramatiskt framöver i takt med att verktygen blir mer tillgängliga. En tidig studie antyder att mer välbärgade skolor och kommuner redan ligger steget före i att ta till sig AI (AI is coming to U.S. classrooms, but who will benefit? – Center on Reinventing Public Education), vilket väcker frågor om likvärdighet (återkommer nedan). De lärare som är tidiga användare finns oftast på högstadie- och gymnasienivå i språk- och samhällsorienterande ämnen (AI is coming to U.S. classrooms, but who will benefit? – Center on Reinventing Public Education) – föga förvånande då generativ AI i nuläget främst kan hantera språkliga och textbaserade uppgifter.
Forskningsmässigt har mycket fokus legat på högre utbildning och tekniska eller naturvetenskapliga ämnen, medan grund- och gymnasieskolans kontext (och t.ex. sociala ämnen) fått mindre uppmärksamhet internationellt (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Även geografiskt är forskningen snedfördelad – en stor del av publikationerna kommer från USA och Kina (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Dessa obalanser understryker behovet av bredare studier och att inkludera olika ämnen och utbildningsmiljöer. Nedan diskuteras centrala teman och kunskapsluckor.
Lärande och kognitiv utveckling med AI
En grundläggande fråga är hur AI påverkar elevers lärande. Å ena sidan kan AI-verktyg erbjuda anpassad träning, omedelbar återkoppling och nya sätt att engagera elever. Vissa studier rapporterar kortsiktiga förbättringar i till exempel elevers språkfärdigheter eller skrivande med stöd av AI. Å andra sidan är de övergripande effekterna på läranderesultat långtifrån entydiga. En genomgång av över 140 litteraturöversikter visar att evidensen för att AI faktiskt förbättrar elevers prestationer är oinkonklusiv, särskilt på längre sikt (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Hittills är de flesta empiriska studier explorativa, kortvariga pilotprojekt inom begränsade domäner (t.ex. språk och skrivträning) (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Det återstår att se om och hur AI kan ge bestående positiva effekter i bredd – över olika skolämnen och förmågor – och detta utgör en central kunskapslucka.
Samtidigt pekar forskare på risken att elever blir överberoende av AI-stöd på bekostnad av eget tänkande. Om elever rutinmässigt förlitar sig på AI för att lösa uppgifter (skriva uppsatser, lösa problem etc.) kan deras utveckling av kritiskt tänkande, kreativitet och problemlösningsförmåga hämmas (The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review | Smart Learning Environments | Full Text) (The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review | Smart Learning Environments | Full Text). Initiala studier tyder på att när AI erbjuder snabba “optimala” svar tenderar användare att okritiskt acceptera dessa istället för att brottas med problemen själva (The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review | Smart Learning Environments | Full Text). Denna kognitiva genväg kan urholka övningen i analytiskt tänkande och beslutsfattande (The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review | Smart Learning Environments | Full Text). Med andra ord uppstår en spänning mellan å ena sidan AI som stöd för lärande och å andra sidan behovet av att elever övar upp egna färdigheter. Forskningen har ännu inte gett tydliga svar på var balansen bör ligga eller hur AI bäst kan integreras utan att undergräva elevernas kunskapsutveckling (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Det är därför angeläget med longitudinella studier som följer elever över tid för att klarlägga långtidseffekter på exempelvis kritiskt tänkande, kreativitet och kunskapsbevarande (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Vi behöver också studier som utformar och prövar pedagogiska metoder där AI används balanserat – dvs. där tekniken utnyttjas för att stödja lärande samtidigt som elevernas eget tänkande stimuleras (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text).
En relaterad aspekt är AI-kunskap hos elever och lärare (AI literacy). För att AI ska kunna användas ansvarsfullt i skolan krävs att alla inblandade har en grundläggande förståelse för hur AI fungerar, dess begränsningar och etiska implikationer. I dagsläget förs dock relativt lite diskussion om kritisk AI-kunskap inom utbildningsområdet (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Att förbättra denna AI-läskunnighet är ett prioriterat behov, så att elever (och lärare) lär sig förstå och ifrågasätta AI-systemens förslag, är medvetna om möjliga bias och kan använda verktygen säkert (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Sådan kompetens har lyfts fram som en allt viktigare del av framtidens medborgarskap (ERIC – EJ1384078 – Artificial Intelligence Literacy Teaching in Social Studies Education, Journal of Pedagogical Research, 2023). Emellertid är kopplingen mellan samhällskunskap och AI-kunskap ett nästan outforskat område (ERIC – EJ1384078 – Artificial Intelligence Literacy Teaching in Social Studies Education, Journal of Pedagogical Research, 2023). Här finns en chans att samhällsorienterande ämnen tar en roll – t.ex. genom att låta eleverna analysera AI:s roll i samhället, diskutera etik och påverkan, och därigenom bygga upp kritisk AI-kunskap inom ramen för ordinarie ämnesundervisning. Forskning behövs för att utveckla och utvärdera sådana undervisningsmodeller.
Bedömning och akademisk integritet
AI utmanar också etablerade sätt att bedöma elevers kunskaper. I samhällsämnen och språk är det vanligt med öppna uppgifter – t.ex. uppsatser, källanalyser eller argumenterande texter. Idag kan en elev med några knapptryck generera en fullgod essä-svar via en AI-tjänst. Detta urholkar traditionella prov och inlämningar som mått på elevens eget kunnande (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Lärare vittnar om svårigheter att avgöra vad som är elevens egen text och vad som är AI-genererat, och tillgängliga plagiatkontroller för AI-skriven text är långtifrån pålitliga (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Osäkerheten riskerar att underminera förtroendet för betygssättning och meritvärde, samtidigt som elever som faktiskt använder AI otillbörligt inte nödvändigtvis lär sig det avsedda innehållet.
Det råder akut behov av att utveckla nya bedömningsformer och strategier för att säkerställa akademisk integritet i AI-eran. En tydlig forskningsinriktning är att designa prov och uppgifter som fokuserar på förmågor som kritisk analys, problemlösning och kreativt tänkande – sådant som inte lika enkelt kan fabriceras av en maskin (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Till exempel kan muntliga examinationer, projekt med personlig anknytning eller övervakade skrivsituationer prövas som alternativ till traditionella hemtentor. Parallellt efterfrågas bättre tekniska verktyg för att detektera AI-fusk, men forskningen visar att detta är svårt och ständigt blir en katt-och-råtta-lek i takt med att AI-modellerna förbättras (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Istället betonar många experter att vi kan behöva tänka om kring vad vi bedömer – att tyngdpunkten flyttas mot djupförståelse och process istället för faktaupprepning. Kort sagt behövs designbaserade studier som experimenterar med olika bedömningsupplägg i praktiken och utvärderar hur väl de fungerar i närvaro av AI. Detta är kritiskt inte minst i samhällsorienterade ämnen, där självständigt tänkande och skriftlig framställning är centrala kunskapsmål som nu riskerar att urvattnas om bedömningen inte anpassas.
Etiska utmaningar med AI i skolan
Införlivandet av AI i utbildning väcker en rad etiska frågor som kräver forskning och vägledning. Ett område gäller bias och rättvisa i AI-system. AI-modeller tränas på stora datamängder som kan innehålla skevheter, vilket i sin tur kan leda till orättvisa utfall. Inom skolan skulle detta exempelvis kunna yttra sig om AI-baserade rekommendationssystem eller övervakningsverktyg missgynnar vissa elevgrupper systematiskt. Redan idag varnar bedömare för risken att omedvetna bias i algoritmer leder till ”algoritmisk diskriminering”, där vissa elever får sämre resurser eller blir orättvist behandlade (Artificial Intelligence and the Future of Teaching and Learning (PDF)). Exempelvis kan ett röstigenkänningssystem ha svårare att förstå elever med visst språkligt eller dialektalt ursprung, eller ett AI-verktyg för beteendeanalys kan flagga elever från redan marginaliserade grupper oftare baserat på historisk data. Transparens blir därför en nyckelfråga: på vilka grunder fattar AI sina beslut eller rekommendationer? Om inte lärare och elever kan få insyn i detta, undergrävs både rättssäkerhet och möjlighet till pedagogisk dialog.
En annan etisk aspekt är integritet och dataskydd. AI-drivna lärapplikationer samlar ofta in stora mängder elevdata för att anpassa upplevelsen. Detta väcker frågor om hur data lagras, vem som äger informationen och hur den får användas. Särskilt i ljuset av strikta regelverk som GDPR i Europa krävs forskning om hur man kan dra nytta av AI i skolan utan att kompromissa med elevers personliga integritet. Teknikutvecklingen går fortare än policyutvecklingen här – skolhuvudmän famlar efter riktlinjer för allt från föräldrasamtycke till datasäkerhet.
Ytterligare ett område är etisk kompetens hos eleverna själva: att lära unga användare ett ansvarsfullt förhållningssätt till AI. Det inkluderar att inte plagiatera med AI (en fråga om hederlighet), men också bredare frågor som att förstå sociala konsekvenser av AI (t.ex. automatisering i arbetslivet, spridning av desinformation via algoritmer etc.). Intervjuer med lärare indikerar att en del kopplar AI till andra fenomen som upplevts skadliga, som sociala medier, och därför reagerar med berättigad skepsis (Will AI Shrink Disparities in Schools, or Widen Them? | EdSurge News). För att motverka rädsla och negativa effekter behövs utbildningsinsatser i etik och digital kompetens. Det finns i dagsläget få empiriska studier om hur sådana inslag bäst utformas i skolmiljö, vilket är ett gap att fylla.
Sammanfattningsvis krävs tvärvetenskaplig forskning för att hantera de etiska utmaningarna. Teknikforskare, pedagoger och samhällsvetare behöver samarbeta för att utveckla AI-system som är ansvarsfulla och inkluderande. Exempelvis bör studier undersöka hur bias i AI-utbildningssystem kan upptäckas och motverkas, samt hur man bäst utbildar elever och lärare i att förstå AI:s beslutsprocesser (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text) (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Utan sådana ansträngningar riskerar utbildningssektorn att drabbas av AI-relaterade etiska snedsteg som kunde undvikits.
Jämlikhet och tillgång till AI – risk för digital klyfta
En av de mest kritiska frågorna framöver är hur AI påverkar jämlikheten inom utbildning. Kommer AI att fungera som en utjämnande kraft som ger alla elever tillgång till personaliserat lärstöd – eller tvärtom skapa nya klyftor mellan de som har tillgång till teknik och de som står utanför? Tidiga tecken inger oro: en studie i USA antyder att välbärgade förortsdistrikt kommit längst i att börja använda AI, medan skolor i fattigare områden släpar efter (AI is coming to U.S. classrooms, but who will benefit? – Center on Reinventing Public Education). Med andra ord ser de potentiella fördelarna ut att först komma de redan gynnade till del, vilket riskerar att öka ojämlikheten ytterligare. Vissa experter varnar för ett dystert scenario där vi får en ”underklass av elever” som i hög grad undervisas via standardiserade AI-system framför skärmar, medan mer priviligerade elever får fortsatt rik tillgång till mänskliga lärare och individuell stimulans (Will AI Shrink Disparities in Schools, or Widen Them? | EdSurge News). Detta skulle cementera en digital kunskapsklyfta i nästa generation.
Samtidigt finns möjligheter för AI att stärka likvärdigheten om tekniken används rättvist. AI-baserade verktyg skulle exempelvis kunna ge landsbygdsskolor eller resurssvaga skolor tillgång till kvalitativa lärresurser som de annars saknar. Lärare lyfter fram att AI-funktioner som taligenkänning och översättning kan ge ökad stöd till elever med särskilda behov eller elever med annat modersmål ([PDF] Artificial Intelligence and the Future of Teaching and Learning (PDF)). En AI-lärare tar heller aldrig slut på tid för att hjälpa en elev att repetera något grundläggande. För att förverkliga dessa möjligheter måste dock tillgången till AI göras bred. Det handlar dels om ekonomiska och infrastrukturella förutsättningar – skolor måste ha råd med och kunna implementera tekniken. Begränsningar i resurser och tillgång till kraftfull hårdvara kan annars förstärka existerande utbildningsklyftor (AI in Education: Bridging the Divide or Widening the Gap? Exploring Equity, Opportunities, and Challenges in the Digital Age). Dels handlar det om kunskap: lärare i alla skolor behöver professionellt stöd för att lära sig använda AI pedagogiskt, så att inte bara eldsjälar på vissa håll drar nytta av tekniken.
Här framträder flera brådskande forskningsbehov. Vi behöver kartlägga vilka elever som gynnas eller missgynnas av AI-interventioner – finns det risk att redan högpresterande elever drar ifrån ännu mer, eller kan rätt utformade AI-stöd hjälpa svagare elever att komma ikapp? Forskningen bör också undersöka implementationen av AI i olika typer av skolor: Vad krävs för att även skolor med knappa resurser ska kunna använda AI-verktyg effektivt? Vilka policyinsatser eller stödmekanismer behövs för att undvika att AI bidrar till en ny digital klasskillnad? Sådana studier är nödvändiga för att AI inte ska bli ett ”dubbeleggat svärd” som i värsta fall förvärrar ojämlikhet (Addressing Inequities in Education: AI as a Double-Edged Sword …), utan tvärtom ett redskap som kommer alla elever till del.
AI i samhällsvetenskapliga ämnen – särskilda utmaningar
Samhällsorienterande ämnen (historia, samhällskunskap, religion, geografi m.fl.) och humaniora utgör en speciell arena för AI i skolan. Dessa ämnen betonar ofta kritisk reflektion, argumentation och skriftlig framställning – förmågor som även avancerade AI-system börjar kunna imitera. Framväxten av AI-textgeneratorer innebär att elever kan få färdiga resonemang och analyser levererade, vilket utmanar hela syftet med övningar som att skriva essäer eller diskutera etiska dilemman. Här finns en tydlig kunskapslucka: Hur säkerställer vi att eleverna i samhällsämnen verkligen utvecklar egen analytisk förmåga i en tid när det är så lätt att låta en chatbot göra grovjobbet? Forskning behövs kring didaktiska strategier för att integrera AI i dessa ämnen på ett sätt som fördjupar snarare än förflackar lärandet. Kanske kan AI användas som en samtalspartner eller debattmotståndare som eleverna får kritisera, istället för som en fuskmotor – men effekterna av sådana arbetssätt behöver studeras systematiskt.
En annan aspekt är att samhällsvetenskapliga ämnen kan bidra till AI-förståelse. Som nämnts ovan börjar AI-kunskap framstå som en medborgarfärdighet, och sociala ämnen syftar just till att fostra aktiva, upplysta medborgare (ERIC – EJ1384078 – Artificial Intelligence Literacy Teaching in Social Studies Education, Journal of Pedagogical Research, 2023). Det finns därför potential att väva in moment om AI:s samhällspåverkan, etik och historia i dessa kursplaner. Hur detta bäst görs – och hur det påverkar elevers attityder och kunskaper – är dock något som praktiskt taget inte undersökts alls ännu (ERIC – EJ1384078 – Artificial Intelligence Literacy Teaching in Social Studies Education, Journal of Pedagogical Research, 2023). En nyligen publicerad artikel pekar ut behovet av att utforska just sociala ämnens roll i att lära ut AI-kunskap och ger exempel på lektionsupplägg i grundskolans samhällskunskap (ERIC – EJ1384078 – Artificial Intelligence Literacy Teaching in Social Studies Education, Journal of Pedagogical Research, 2023). Men här står forskarsamhället ännu i startgroparna.
Slutligen finns ämnesspecifika etiska dilemman. I historieämnet kan man tänka sig att AI används för att analysera historiska källor eller till och med generera narrativ – vilka risker finns att elever får en förenklad eller vinklad bild av historien om de förlitar sig på AI:s sammanfattningar? Hur påverkas elevernas källkritik när informationen kommer förpackad från ett ”allvetande” AI? Dessa frågor, som tangerar både etik och didaktik, är ytterst relevanta i samhällsorienterade ämnen men hittills lite belysta empiriskt. Sammanfattningsvis är behovet av forskning stort kring hur AI kan användas på kreativa och pedagogiskt försvarbara sätt i ämnen som historia och samhällskunskap – utan att ersätta det mänskliga kritiska tänkandet som dessa ämnen vill utveckla.
Slutsatser: centrala kunskapsluckor och förslag på forskningsinsatser
Genom denna genomgång framträder flera centrala kunskapsluckor. För det första vet vi för lite om långtidseffekterna av AI-användning i skolan – både vad gäller kunskapsutveckling och påverkan på elevernas kognitiva och socio-emotionella färdigheter. De positiva effekter som noterats är mestadels kortsiktiga, och det är oklart om de verkligen översätts i varaktigt lärande (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Likaså saknas djupare förståelse för vilka pedagogiska upplägg med AI som gynnar lärande mest; idag experimenteras det mycket, men få studier jämför systematiskt olika sätt att implementera AI i undervisningen. Forskningen är också ojämt fördelad – vissa ämnen (särskilt samhällsorienterade) och regioner är underrepresenterade (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text) (AI in Education: Bridging the Divide or Widening the Gap? Exploring Equity, Opportunities, and Challenges in the Digital Age) – vilket gör att vi saknar kunskap om AI i en mångfald av kontexter. Slutligen finns uppenbara luckor inom etik och jämlikhet, där vi ännu bara skrapat på ytan av hur AI kan hanteras ansvarsfullt och rättvist i skolsammanhang.
För att fylla dessa luckor behövs en bred forskningsansats på flera fronter. Här kan några typer av studier särskilt framhävas som angelägna:
- Longitudinella studier: Det är avgörande att följa elever, lärare och skolor över längre tid när de börjar använda AI. Endast så kan vi se de varaktiga effekterna på lärande, motivation, kritiskt tänkande m.m. (snarare än kortvariga testresultat) (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text). Långtidsstudier skulle också kunna upptäcka oväntade bieffekter – positiva eller negativa – som inte märks i korta försök. Exempelvis: Blir elever som använt AI-stöd i högstadiet bättre eller sämre rustade för högre studier och arbetsliv? Hur förändras lärarrollen över flera år med AI-assistenter i klassrummet? Sådana frågor kräver tidsseriedata.
- Designbaserad forskning och samverkansprojekt: Givet komplexiteten i skolmiljön bör forskare arbeta tillsammans med lärare och elever för att utforma AI-lösningar. Designbaserad forskning, där man iterativt testar och finjusterar teknikanvändning i autentiska klassrum, är väl lämpad här. Denna ansats gör det möjligt att anpassa AI-verktyg efter pedagogiska behov och kontinuerligt utvärdera utfallet. Till exempel kan forskare och lärare i samhällskunskap gemensamt utveckla en AI-baserad undervisningsmodul om källkritik, implementera den i ett antal klasser och justera upplägget allt eftersom. Partnerskap i design säkerställer också att lärarnas praktiska kunskap tas tillvara – något som betonas som viktigt när nya AI-verktyg tas fram (Artificial Intelligence and the Future of Teaching and Learning (PDF)). Investering i sådan praxisnära forskning kan ge vägledning om hur AI kan integreras på bästa sätt istället för att överlåta implementationen åt trial-and-error i varje enskild skola.
- Jämförande studier och breddade perspektiv: Forskningen bör sträva efter att jämföra olika kontexter och angreppssätt. Dels behövs internationella jämförelser – hur ter sig AI-användning och dess effekter i olika utbildningssystem (t.ex. svenska grundskolan vs. amerikanska vs. utvecklingsländer)? Idag dominerar ett västerländskt perspektiv med högteknologiska miljöer, och vi riskerar att förbise utmaningar som är unika för mindre resursstarka skolor (AI in Education: Bridging the Divide or Widening the Gap? Exploring Equity, Opportunities, and Challenges in the Digital Age). Dels vore jämförelser mellan olika pedagogiska strategier värdefulla. Få studier har t.ex. direkt jämfört klasser där AI förbjuds med klasser där AI integreras aktivt i undervisningen – en sådan experimentell design skulle kunna belysa effektskillnader och ge evidens för vilken väg som är mest gynnsam. Även jämförelser mellan olika ämnen kan ge insikt i om AI fungerar bättre för vissa typer de lärandemål än andra. Genom att systematiskt ställa olika förhållningssätt mot varandra kan forskningen börja ge konkreta rekommendationer till skolor och beslutsfattare.
Avslutningsvis är det tydligt att AI och skolan är ett fält under snabb utveckling där forskningen släpar efter den tekniska utvecklingen. Hype och farhågor avlöser varandra i debatten, men för att fatta välgrundade beslut krävs empirisk kunskap. De mest akuta behoven gäller att utröna hur AI kan användas för att stärka lärandet utan att undergräva elevernas egna färdigheter, hur vi kan bedöma rättvist i en tid av AI-genererat material, hur vi hanterar etiska och sociala dimensioner av AI i klassrummet, samt hur vi säkerställer att fördelarna med AI kommer alla till del. Genom långsiktiga, designinriktade och jämförande forskningsinsatser – förankrade i såväl pedagogik som teknikkunskap och etik – kan vi börja fylla dessa kunskapsluckor. Detta är nödvändigt för att skolan på sikt ska kunna dra nytta av AI på ett sätt som främjar lärande, jämlikhet och ett etiskt medvetet digitalt medborgarskap hos nästa generation.
Källor: Denna bedömning baseras på en genomgång av aktuella forskningsöversikter och studier om AI i utbildning, bl.a. systematiska översikter av AI i skolan (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text) (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text), policyrapporter (Artificial Intelligence and the Future of Teaching and Learning (PDF)) (AI is coming to U.S. classrooms, but who will benefit? – Center on Reinventing Public Education), och empiriska studier om AI:s effekter på lärande (The effects of over-reliance on AI dialogue systems on students’ cognitive abilities: a systematic review | Smart Learning Environments | Full Text), bedömning (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text), etik (A systematic review of literature reviews on artificial intelligence in education (AIED): a roadmap to a future research agenda | Smart Learning Environments | Full Text) och jämlikhet (AI is coming to U.S. classrooms, but who will benefit? – Center on Reinventing Public Education). Dessa källor pekar entydigt på att fortsatt forskning – särskilt långsiktig och tvärvetenskaplig – är avgörande för att navigera AI:s möjligheter och utmaningar i grund- och gymnasieskolan.